一种肤色检测方法及装置制造方法
【专利摘要】本公开是关于一种肤色检测方法及装置。该肤色检测方法包括：将待检测图像转换为颜色空间内的图像；获得所述待检测图像在所述颜色空间内的肤色样本；采用预先构建的肤色概率模型对所述肤色样本进行检测，获得所述待检测图像的肤色概率分布，其中，所述肤色概率模型是利用已知肤色样本训练获得的用于确定肤色概率的模型。该方法能够适用于非矩形的，较复杂的肤色分布。
【专利说明】—种肤色检测方法及装置
【技术领域】
[0001]本公开是关于图像处理【技术领域】，尤其是关于图像的肤色识别，具体来说是关于一种肤色检测方法及装置。
【背景技术】
[0002]彩色图像的肤色检测是自动识别图像中皮肤区域的方法，具有广阔的应用场景，是颜色校正、敏感信息监测和一系列目标检测、识别(人脸检测、手势识别)等应用的重要组成部分。
[0003]实验表明，在对图像去除了亮度的影响后，不同年龄、性别、种族的人肤色在色度空间内有明显的聚类性，肤色在整个色度空间内集中在一个很小的范围内。现有相关技术中，以人脸肤色检测为例，首先利用人脸检测的信息，以人脸像素为肤色样本，并利用前后帧的信息，统计肤色样本和肤色变化样本；随后将肤色样本和肤色变化样本的直方图进行合并，得到色度合并直方图和饱和度合并直方图，然后基于上述聚类特性，自适应确定在色度和饱和度范围内的分割上下界，完成对肤色区域的检测。
[0004]然而，上述方法中默认为肤色区域在色度、饱和度空间内为矩形区域，该方法对于比较复杂的、非矩形的肤色分布适应性不高。
【发明内容】
[0005]为克服相关技术中存在的问题，本公开提供一种肤色检测方法及装置，能够适用于复杂的、非矩形的肤色分布。
[0006]第一方面，提供一种肤色检测方法，包括:
[0007]将待检测图像转换为颜色空间内的图像；
[0008]获得所述待检测图像在所述颜色空间内的肤色样本；
[0009]采用预先构建的肤色概率模型对所述肤色样本进行检测，获得所述待检测图像的肤色概率分布，其中，所述肤色概率模型是利用已知肤色样本训练获得的用于确定肤色概率的模型。
[0010]进一步，在所述采用预先构建的肤色概率模型对所述肤色样本进行检测之前，所述方法还包括:
[0011]收集已知肤色分布的样本图像；
[0012]将所述样本图像转换为颜色空间内的图像；
[0013]获得所述样本图像在所述颜色空间内的已知肤色样本；
[0014]利用密度估计算法对所述已知肤色样本进行训练，获得肤色概率模型。
[0015]进一步，在所述采用预先构建的肤色概率模型对所述肤色样本进行检测之前，所述方法还包括:
[0016]对所述肤色样本进行像素值修正。
[0017]进一步，所述对所述肤色样本进行像素值修正，包括:[0018]根据所述肤色样本构造肤色直方图；
[0019]将所述肤色直方图与模型肤色直方图进行配准，获得所述肤色直方图向所述模型肤色直方图进行变换的配准参数；其中，所述模型肤色直方图为所述肤色概率模型的直方图；
[0020]对所述肤色样本中所有样本点的像素值按照所述配准参数进行像素值变换。
[0021]进一步，所述根据所述肤色样本构造肤色直方图，包括:
[0022]定义用于判断是否为肤色的颜色框；
[0023]遍历所述肤色样本中的所有样本点，对于位于所述颜色框内的样本点，在肤色直方图中的相应位置加一，获得所述肤色样本的肤色直方图。
[0024]进一步，所述将所述肤色直方图与模型肤色直方图进行配准，获得所述肤色直方图向所述模型肤色直方图进行变换的配准参数，包括:
[0025]计算使所述肤色直方图达到与所述模型肤色直方图最大相关度的配准参数，所述配准参数包括像素值平移参量和旋转参量。
[0026]进一步，所述获得所述待检测图像在所述颜色空间内的肤色样本，包括:
[0027]对所述待检测图像进行人脸检测，获得人脸检测区域；
[0028]获得所述人脸检测区域在所述颜色空间内的肤色样本。
[0029]进一步，在获得所述待检测图像的肤色概率分布之后，所述方法还包括:
[0030]对所述待检测图像的肤色概率分布进行误检去除。
[0031]进一步，所述对所述待检测图像的肤色概率分布进行误检去除，包括:
[0032]在所述肤色概率分布中选择出概率大于第一概率阈值的区域作为初始肤色区域，并将所述初始肤色区域的肤色概率置I ;
[0033]对所述初始肤色区域的肤色概率进行高斯模糊，得到概率模糊值；
[0034]将所述概率模糊值与所述肤色概率分布中的各概率值进行逐点相乘，得到最终肤色概率分布；
[0035]将所述最终肤色概率分布中，概率值低于第二概率阈值的肤色概率置O。
[0036]第二方面，提供一种肤色检测装置，包括:
[0037]图像转换单元，用于将待检测图像转换为颜色空间内的图像；
[0038]样本获取单元，用于获得所述待检测图像在所述颜色空间内的肤色样本；
[0039]模型构建单元，用于获得肤色概率模型，其中，所述肤色概率模型是利用已知肤色样本训练获得的用于确定肤色概率的模型；
[0040]肤色检测单元，用于采用所述模型构建单元构建的肤色概率模型对所述肤色样本进行检测，获得所述待检测图像的肤色概率分布。
[0041]进一步，所述模型构建单元包括:
[0042]图像收集子单元，用于收集已知肤色分布的样本图像；
[0043]图像处理子单元，用于将所述样本图像转换为颜色空间内的图像；
[0044]样本获得子单元，用于获得所述样本图像在所述颜色空间内的已知肤色样本；
[0045]样本训练子单元，用于利用密度估计算法对所述已知肤色样本进行训练，获得肤色概率模型。
[0046]进一步，所述装置还包括:[0047]修正单元，用于在所述肤色检测单元采用预先构建的肤色概率模型对所述肤色样本进行检测之前，对所述肤色样本进行像素值修正。
[0048]进一步,所述修正单元包括:
[0049]构造子单元，用于根据所述肤色样本构造肤色直方图；
[0050]配准子单元，用于将所述肤色直方图与模型肤色直方图进行配准，获得所述肤色直方图向所述模型肤色直方图进行变换的配准参数；其中，所述模型肤色直方图为所述肤色概率模型转换的直方图；
[0051]变换子单元，用于对所述肤色样本中所有样本点的像素值按照所述配准参数进行像素值变换。
[0052]进一步，所述构造子单元包括:
[0053]定义模块，用于定义用于判断是否为肤色的颜色框；
[0054]构图模块，用于遍历所述肤色样本中的所有样本点，对于位于所述颜色框内的样本点，在肤色直方图中的相应位置加一，获得所述肤色样本的肤色直方图。
[0055]进一步，所述配准子单元，用于计算使所述肤色直方图达到与所述模型肤色直方图最大相关度的配准参数，所述配准参数包括像素值平移参量和旋转参量。
[0056]进一步,所述样本获取单元包括:
[0057]检测子单元，用于对所述待检测图像进行人脸检测，获得人脸检测区域；
[0058]获取子单元，用于获得所述人脸检测区域在所述颜色空间内的肤色样本。
[0059]进一步，所述装置还包括:
[0060]误检去除单元，用于在所述肤色检测单元获得所述待检测图像的肤色概率分布之后，对所述待检测图像的肤色概率分布进行误检去除。
[0061]进一步，所述误检去除单元包括:
[0062]选择子单元，用于在所述肤色概率分布中选择出概率大于第一概率阈值的区域作为初始肤色区域，并将所述初始肤色区域的肤色概率置I ;
[0063]第一处理子单元，用于对所述初始肤色区域的肤色概率进行高斯模糊，得到概率模糊值；
[0064]第二处理子单元，用于将所述概率模糊值与所述肤色概率分布中的各概率值进行逐点相乘，得到最终肤色概率分布；
[0065]去除子单元，用于将所述最终肤色概率分布中，概率值低于第二概率阈值的肤色概率置O。
[0066]本公开的一些有益效果可以包括:本公开首先利用多个已知肤色样本进行训练构建肤色概率模型，然后再利用肤色概率模型来对待检测图像的肤色样本进行肤色检测，即可获得该待检测图像的肤色概率分布。该方法中用于肤色检测的肤色概率模型相比较现有技术中用色度、饱和度形成的矩形来说，更加精细，也更具有普遍适应性，能够适用于非矩形的，较复杂的肤色分布，进而可以在复杂肤色分布情况下减少误检；而且，该方法应用肤色概率模型可以对单张图像进行肤色检测，相比较现有技术中需要利用前后帧图像信息进行肤色检测的方法，本方法受到的局限更小，应用范围更广；再有，本方法最终所获得的肤色检测结果是肤色概率分布，而非二值图，更容易被后续应用(如肤色调整、增强等)调用。
[0067]应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
【专利附图】
【附图说明】
[0068]此处所说明的附图用来提供对本公开的进一步理解，构成本申请的一部分，并不构成对本公开的限定。在附图中:
[0069]图1是本公开实施例一种肤色检测方法的示例性流程图；
[0070]图2是本公开实施例中一种肤色概率模型构建方法的示例性流程图；
[0071]图3是本公开实施例另一种肤色检测方法的示例性流程图；
[0072]图4a是本公开实施例中一种获得肤色样本的方法的示例性流程图；
[0073]图4b是本公开实施例中获得人脸检测区域的示意图；
[0074]图5是本公开实施例中一种对肤色样本进行像素值修正的方法的示例性流程图；
[0075]图6是本公开实施例中一种肤色直方图的构造方法的示例性流程图；
[0076]图7a是本公开实施例中一种误检去除方法的示例性流程图；
[0077]图7b是本公开实施例中应用肤色概率模型进行肤色检测后获得的肤色概率分布示意图；
[0078]图7c是本公开实施例中进行误检去除后的肤色概率分布示意图；
[0079]图8是本公开实施例一种肤色检测装置的结构示意图；
[0080]图9是本公开实施例中一种模型构建单元的结构示意图；
[0081]图10是本公开实施例另一种肤色检测装置的结构示意图；
[0082]图11是本公开实施例中一种修正单元的结构示意图；
[0083]图12是本公开实施例中一种构造子单元的结构示意图；
[0084]图13是本公开实施例另一种肤色检测装置的结构示意图；
[0085]图14是本公开实施例中一种误检去除单元的结构示意图；
[0086]图15是本公开实施例中终端设备的结构示意图；
[0087]图16是本公开实施例中服务器的结构示意图。
[0088]通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
【具体实施方式】
[0089]为使本公开的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本公开做进一步详细说明。在此，本公开的示意性实施方式及其说明用于解释本公开，但并不作为对本公开的限定。
[0090]本公开实施例提供一种肤色检测方法及装置，以下结合附图对本公开进行详细说明。
[0091 ] 在一个实施例中，如图1所示，该肤色检测方法包括:
[0092]步骤SlOl:将待检测图像转换为颜色空间内的图像。
[0093]在获得待检测图像后，将该待检测图像转换至颜色空间(YUV空间)，得到亮度通道Y(x，y)和UV通道UV(x，y)，x e [0,m],y e [0，η]，m为图像宽度，η为图像高度。[0094]步骤S102:获得待检测图像在颜色空间内的肤色样本。
[0095]获得待检测图像的肤色样本，该肤色样本即待检测图像中每一坐标点pos (x，y)在颜色空间中对应的像素值color= (U，V)。
[0096]步骤S103:采用预先构建的肤色概率模型对肤色样本进行检测，获得待检测图像的肤色概率分布。
[0097]在执行步骤S103之前，首先构建肤色概率模型，该肤色概率模型是用于确定肤色概率的模型，该模型是利用多个已知肤色样本进行训练获得的。
[0098]该模型的构建方式之一如图2所示，可以包括:
[0099]步骤S201，收集已知肤色分布的样本图像。
[0100]在本步骤中，收集的样本图像最好要求覆盖典型的光照环境，无色偏，无误检，如果使用人脸样本图像，则注意避开眼睛、嘴巴等非皮肤区域。这些样本图像中的肤色分布已知。
[0101]步骤S202，将样本图像转换为颜色空间内的图像。
[0102]然后将这些样本图像转换至YUV空间，只保留U值和V值。
[0103]步骤S203，获得样本图像在颜色空间内的已知肤色样本。
[0104]获得各样本图像在颜色空间的已知肤色样本，该已知肤色样本中各样本点是否为肤色已知。其中，第i个样本点SiKui, Vi),所有η个样本点集合S=Is1, S2,......sn}。
[0105]步骤S204，利用密度估计算法对已知肤色样本进行训练，获得肤色概率模型。
[0106]在获得样本点集合S后，即可利用密度估计算法对样本点集合进行训练，进而获得肤色概率模型Mmtxtel (u，ν)。其中，该密度估计算法有多种，例如，混合高斯模型(GMM)，Parzen窗方法等。
[0107]以GMM为例，可以对使用样本点集合S训练混合高斯模型，得到连续、平滑的肤色分布。其中，高斯模型的个数可以设为4，每一样本点的肤色概率为多个高斯模型的加权和，GMM相当于原始直方图或分布图提取了主要成分、去噪平滑后的结果。
[0108]上述肤色概率模型Mnrodel (U，ν)的图像即为二维概率直方图，横坐标表示u分量值，纵坐标表示ν分量值。
[0109]当然，利用已知肤色样本进行训练获得肤色概率模型的方法有多种，步骤S201?204只是其中一种，此处不做限定。
[0110]在获得肤色概率模型后，利用该肤色概率模型对上步骤获得的肤色样本中的每一个样本点(U，V)进行检测,从而获得每一个样本点的肤色概率,所有样本点的肤色概率即形成该待检测图像的肤色概率分布。
[0111]本公开的肤色检测方法不同于一般的肤色ο-1分割方法只判断是否肤色区域，本方法得到的结果是一张肤色概率分布图，每个像素点的概率值描述了该点是肤色点的似然度，似然度范围可以为O到1，0表示该点为肤色点的可能性为0，I表示该点为肤色点的可能性为100%，这种概率分布图有利于其他应用或方法对本公开的结果进行调用，如肤色增
强算法等。
[0112]本公开实施例首先利用多个已知肤色样本进行训练构建肤色概率模型，然后再利用肤色概率模型来对待检测图像的肤色样本进行肤色检测，即可获得该待检测图像的肤色概率分布。该方法中用于肤色检测的肤色概率模型相比较现有技术中用色度、饱和度形成的矩形来说，更加精细，也更具有普遍适应性，能够适用于非矩形的，较复杂的肤色分布，进而可以在复杂肤色分布情况下减少误检；而且，该方法应用肤色概率模型可以对单张图像进行肤色检测，相比较现有技术中需要利用前后帧图像信息进行肤色检测的方法，本方法受到的局限更小，应用范围更广；再有，本方法最终所获得的肤色检测结果是肤色概率分布，而非二值图，更容易被后续应用(如肤色调整、增强等)调用。
[0113]在另一个实施例中，如图3所示，该肤色检测方法包括:
[0114]步骤S301，将待检测图像转换为颜色空间内的图像。
[0115]该步骤与前述步骤SlOl类似，将该待检测图像转换至YUV空间，得到亮度通道Y(x，y)和UV通道UV(x，y)，X e [0,m],y e [0，η]，m为图像宽度，η为图像高度。
[0116]步骤S302，获得待检测图像在颜色空间内的肤色样本。
[0117]本公开方法可以应用于各种图像的肤色检测，例如应用于人脸肤色检测。以人脸肤色检测为例，在本步骤中，如图4a所示，获得肤色样本的过程可以进一步包括:
[0118]步骤S401，对待检测图像进行人脸检测，获得人脸检测区域。
[0119]首先对待检测图像进行人脸识别，如图4b，得到人脸检测框41的位置和大小，Rectface= {x, y, w, h}, x表示人脸中心点横坐标，y表示人脸中心点纵坐标，w表示人脸框宽度，h表示人脸框高度。人脸检测可以使用haar特征，使用AdaBoost算法训练级联分类器。当然，该人脸检测方法还可以应用现有技术中的其他人脸识别方法，此处不做限定。
[0120]步骤S402，获得人脸检测区域在颜色空间内的肤色样本。
[0121]本步骤中获得人脸检测区域内的肤色样本，该肤色样本即人脸检测区域中每一坐标点pos (X，y)在颜色空间中对应的color= (u, ν)。
[0122]当本公开方法应用于待检测图像中不同区域的肤色检测时，均可以识别该相应区域，获得该区域内的肤色样本，然后对肤色样本执行后续步骤。
[0123]步骤S303，对肤色样本进行像素值修正。
[0124]为了消除光照、色偏等对肤色检测的影响，本实施例还进一步在获得肤色样本后对肤色样本进行像素值(也即颜色值)修正。该像素值修正的方法有多种，例如可以针对不同程度的光照、色偏用固定偏移值进行修正，还可以动态获得偏移参量进行修正。
[0125]在一种实现方式中，如图5所示，该像素值修正方法可以包括:
[0126]步骤S501，根据肤色样本构造肤色直方图。
[0127]以上步骤获得的人脸检测区域的肤色样本为例，在本步骤中构造人脸检测区域的肤色直方图Mface (U，ν)，u e [O, 255], v e [O, 255]。该肤色直方图的构造方法有多种。
[0128]在其中一个实现方式中，如图6所示，该肤色直方图的构造方法可以包括以下步骤:
[0129]步骤S601，定义用于判断是否为肤色的颜色框。
[0130]首先在颜色空间中定义一个颜色框RectMlOT= {u，v, Wcolor, hcolor}，例如可以是Rectcolor= {85, 115，70，70}。该颜色框用于粗略判断样本点是否为肤色，若肤色样本中某一样本点的像素值(u' ,N' ) e RectMlOT，则为肤色，否则为非肤色。
[0131]步骤S602，遍历肤色样本中的所有样本点，对于位于颜色框内的样本点，在肤色直方图中的相应位置加一，获得肤色样本的肤色直方图。
[0132]在确定颜色框后，即可遍历上述步骤获得的肤色样本中的所有样本点，在所有样本点的像素值中，如果该像素值位于颜色框内，则在肤色直方图中的相应位置加一。
[0133]即对于待检测图像中的任一点pos (X，y), color= (U，V),如果pos e Rectfaee且color e RectralOT,则Mfac;e;(u，v)=MfaM；(u，v)+l。由此即可获得肤色样本的肤色直方图。
[0134]在获得肤色直方图后，还可以进一步对该肤色直方图Mfara进行归一化。
[0135]步骤S502，将肤色直方图与模型肤色直方图进行配准，获得肤色直方图向模型肤色直方图进行变换的配准参数。
[0136]在获得肤色直方图Mf后，将肤色直方图与模型肤色直方图Mdkkm (U，ν)进行配准。其中，模型肤色直方图就是肤色概率模型Mmtxtel (U，ν)的图像，即二维概率直方图，该肤色概率模型的获得方法可参照前述实施例中的步骤S201~S204。
[0137]在将肤色直方图Mfara与模型肤色直方图Mmt^1配准后，可获得肤色直方图向模型肤色直方图进行变换的配准参数。其中，肤色直方图与模型肤色直方图的配准方法有多种，例如Keren方法等。
[0138]在其中一种配准方法中，可以是计算使肤色直方图达到与模型肤色直方图最大相关度的配准参数，该配准参数可以包括像素值平移参量和旋转参量，如下:
[0139]假设Mf经过平移(Au，Λν)和旋转Θ达到与Mnrodel最大的相关度，求解配准参数(Au, Λ ν)和 Θ。
[0140]经过以上几步处理得到的肤色样本，在颜色空间的表现为几乎一致的方向性，所以旋转变换可以忽略不计，即Θ~0，可以只估计(Au，Λ V)，优化如下能量函数:
【权利要求】
1.一种肤色检测方法，其特征在于，包括: 将待检测图像转换为颜色空间内的图像； 获得所述待检测图像在所述颜色空间内的肤色样本； 采用预先构建的肤色概率模型对所述肤色样本进行检测，获得所述待检测图像的肤色概率分布，其中，所述肤色概率模型是利用已知肤色样本训练获得的用于确定肤色概率的模型。
2.根据权利要求1所述的方法，其特征在于，在所述采用预先构建的肤色概率模型对所述肤色样本进行检测之前，所述方法还包括: 收集已知肤色分布的样本图像； 将所述样本图像转换为颜色空间内的图像； 获得所述样本图像在所述颜色空间内的已知肤色样本； 利用密度估计算法对所述已知肤色样本进行训练，获得肤色概率模型。
3.根据权利要求1所述的方法，其特征在于，在所述采用预先构建的肤色概率模型对所述肤色样本进行检测之前，所述方法还包括: 对所述肤色样本进行像素值修 正。
4.根据权利要求3所述的方法，其特征在于，所述对所述肤色样本进行像素值修正，包括: 根据所述肤色样本构造肤色直方图； 将所述肤色直方图与模型肤色直方图进行配准，获得所述肤色直方图向所述模型肤色直方图进行变换的配准参数；其中，所述模型肤色直方图为所述肤色概率模型的直方图； 对所述肤色样本中所有样本点的像素值按照所述配准参数进行像素值变换。
5.根据权利要求4所述的方法，其特征在于，所述根据所述肤色样本构造肤色直方图，包括: 定义用于判断是否为肤色的颜色框； 遍历所述肤色样本中的所有样本点，对于位于所述颜色框内的样本点，在肤色直方图中的相应位置加一，获得所述肤色样本的肤色直方图。
6.根据权利要求4所述的方法，其特征在于，所述将所述肤色直方图与模型肤色直方图进行配准，获得所述肤色直方图向所述模型肤色直方图进行变换的配准参数，包括: 计算使所述肤色直方图达到与所述模型肤色直方图最大相关度的配准参数，所述配准参数包括像素值平移参量和旋转参量。
7.根据权利要求1所述的方法，其特征在于，所述获得所述待检测图像在所述颜色空间内的肤色样本，包括: 对所述待检测图像进行人脸检测，获得人脸检测区域； 获得所述人脸检测区域在所述颜色空间内的肤色样本。
8.根据权利要求1至7中任意一项所述的方法，其特征在于，在获得所述待检测图像的肤色概率分布之后，所述方法还包括: 对所述待检测图像的肤色概率分布进行误检去除。
9.根据权利要求8所述的方法，其特征在于，所述对所述待检测图像的肤色概率分布进行误检去除，包括:在所述肤色概率分布中选择出概率大于第一概率阈值的区域作为初始肤色区域，并将所述初始肤色区域的肤色概率置I; 对所述初始肤色区域的肤色概率进行高斯模糊，得到概率模糊值； 将所述概率模糊值与所述肤色概率分布中的各概率值进行逐点相乘，得到最终肤色概率分布； 将所述最终肤色概率分布中，概率值低于第二概率阈值的肤色概率置O。
10.一种肤色检测装置，其特征在于，包括: 图像转换单元，用于将待检测图像转换为颜色空间内的图像； 样本获取单元，用于获得所述待检测图像在所述颜色空间内的肤色样本； 模型构建单元，用于获得肤色概率模型，其中，所述肤色概率模型是利用已知肤色样本训练获得的用于确定肤色概率的模型； 肤色检测单元，用于采用所述模型构建单元构建的肤色概率模型对所述肤色样本进行检测，获得所述待检测图像的肤色概率分布。
11.根据权利要求10所述的装置，其特征在于，所述模型构建单元包括: 图像收集子单元，用于收集已知肤色分布的样本图像； 图像处理子单元，用于将所述样本图像转换为颜色空间内的图像； 样本获得子单元，用于获得所述样本图像在所述颜色空间内的已知肤色样本； 样本训练子单元，用于利用密度估计算法对所述已知肤色样本进行训练，获得肤色概率模型。
12.根据权利要求10所述的装置，其特征在于，所述装置还包括: 修正单元，用于在所述肤色检测单元采用预先构建的肤色概率模型对所述肤色样本进行检测之前，对所述肤色样本进行像素值修正。
13.根据权利要求12所述的装置，其特征在于，所述修正单元包括: 构造子单元，用于根据所述肤色样本构造肤色直方图； 配准子单元，用于将所述肤色直方图与模型肤色直方图进行配准，获得所述肤色直方图向所述模型肤色直方图进行变换的配准参数；其中，所述模型肤色直方图为所述肤色概率模型转换的直方图； 变换子单元，用于对所述肤色样本中所有样本点的像素值按照所述配准参数进行像素值变换。
14.根据权利要求13所述的装置，其特征在于，所述构造子单元包括: 定义模块，用于定义用于判断是否为肤色的颜色框； 构图模块，用于遍历所述肤色样本中的所有样本点，对于位于所述颜色框内的样本点，在肤色直方图中的相应位置加一，获得所述肤色样本的肤色直方图。
15.根据权利要求13所述的装置，其特征在于，所述配准子单元，用于计算使所述肤色直方图达到与所述模型肤色直方图最大相关度的配准参数，所述配准参数包括像素值平移参量和旋转参量。
16.根据权利要求10所述的装置，其特征在于，所述样本获取单元包括: 检测子单元，用于对所述待检测图像进行人脸检测，获得人脸检测区域； 获取子单元，用于获得所述人脸检测区域在所述颜色空间内的肤色样本。
17.根据权利要求10至16中任意一项所述的装置，其特征在于，所述装置还包括: 误检去除单元，用于在所述肤色检测单元获得所述待检测图像的肤色概率分布之后，对所述待检测图像的肤色概率分布进行误检去除。
18.根据权利要求17所述的装置，其特征在于，所述误检去除单元包括: 选择子单元，用于在所述肤色概率分布中选择出概率大于第一概率阈值的区域作为初始肤色区域，并将所述初始肤色区域的肤色概率置I ; 第一处理子单元，用于对所述初始肤色区域的肤色概率进行高斯模糊，得到概率模糊值； 第二处理子单元，用于将所述概率模糊值与所述肤色概率分布中的各概率值进行逐点相乘，得到最终肤色概率分布； 去除子单元，用于将所述最终肤色概率分布中，概率值低于第二概率阈值的肤色概率置O。`
【文档编号】G06K9/00GK103745193SQ201310692296
【公开日】2014年4月23日 申请日期:2013年12月17日 优先权日:2013年12月17日
【发明者】王百超, 张波, 张祺深 申请人:小米科技有限责任公司